మా గ్రూప్ ప్రతి సంవత్సరం USA, యూరప్ & ఆసియా అంతటా 3000+ గ్లోబల్ కాన్ఫరెన్స్ ఈవెంట్లను నిర్వహిస్తుంది మరియు 1000 కంటే ఎక్కువ సైంటిఫిక్ సొసైటీల మద్దతుతో 700+ ఓపెన్ యాక్సెస్ జర్నల్లను ప్రచురిస్తుంది , ఇందులో 50000 మంది ప్రముఖ వ్యక్తులు, ప్రఖ్యాత శాస్త్రవేత్తలు ఎడిటోరియల్ బోర్డ్ సభ్యులుగా ఉన్నారు.
ఎక్కువ మంది పాఠకులు మరియు అనులేఖనాలను పొందే ఓపెన్ యాక్సెస్ జర్నల్స్
700 జర్నల్స్ మరియు 15,000,000 రీడర్లు ప్రతి జర్నల్ 25,000+ రీడర్లను పొందుతున్నారు
Philip Antwi, Jianzheng Li, En Shi, Portia Opoku Boadi and Frederick Ayivi
Herein, a modeling approach to predict biogas yield within a mesophilic (35 ± 1°C) upflow anaerobic sludge blanket (UASB) reactor treating potato starch processing wastewater (PSPW) for pollutant removal was conducted. HRTs and seven anaerobic process-related parameters viz; chemical oxygen demand (COD), ammonium (), alkalinity, total Kjeldahl Nitrogen, total phosphorus, volatile fatty acids (VFAs) and pH with average concentration of 4028.91, 110.09, 4944.67, 510.47, 45.20, 534.44 mg/L and 7.09, respectively, were used as input variables (x) to develop stochastic models for predicting biogas yield from the anaerobic digestion of PSPW. Based on the prediction accuracy of the models, it was established that, prediction of biogas yield from the UASB with the combination of COD, NH4+ and HRT, or COD, NH4+, HRT and VFAs as input variables proved more efficient as opposed to HRT, alkalinity, total Kjeldahl Nitrogen, total phosphorus and pH. Highest coefficient of determination (R2) observed was 97.29%, suggesting the efficiency of the models in making predictions. The developed models efficiencies concluded that the models could be employed to control the dynamic anaerobic process within UASBs since prediction of biogas obtained in the UASB agreed with the experimental result.